YOLOv5白皮书-第Y4周：common.py文件解读

最新推荐文章于 2024-11-09 15:51:37 发布

骑猪玩狗

最新推荐文章于 2024-11-09 15:51:37 发布

阅读量348

点赞数 5

文章标签： YOLO

本文链接：https://blog.csdn.net/a536723241/article/details/139248670

版权

🍨 本文为🔗365天深度学习训练营中的学习记录博客
🍖 原作者：K同学啊

一、环境

语言：Python3、Pytorch
开发环境
电脑系统：Windows 10
语言环境：Python 3.9.2
编译器：VS Code
显卡：3060
CUDA版本：Release 11.4, V11.4.48
本周任务：将yolov5s网络模型中C3模块修改，并跑通YOLOv5。

二、了解common.py文件

该文件其实就是构建yolov5模型具体的代码
其中包含了基本组件及各种类(class),例如：
- 自动计算所需填充：autopad
- 卷积：Conv
- 将图像进行切片：Focus
- 组成模块：Bottleneck、C3、SPP

三、修改C3

C3原代码：

class C3(nn.Module):
    # CSP Bottleneck with 3 convolutions
    def __init__(self, c1, c2, n=1, shortcut=True, g=1, e=0.5):  # ch_in, ch_out, number, shortcut, groups, expansion
        super().__init__()
        c_ = int(c2 * e)  # hidden channels
        self.cv1 = Conv(c1, c_, 1, 1)
        self.cv2 = Conv(c1, c_, 1, 1)
        self.cv3 = Conv(2 * c_, c2, 1)  # optional act=FReLU(c2)
        self.m = nn.Sequential(*(Bottleneck(c_, c_, shortcut, g, e=1.0) for _ in range(n)))

    def forward(self, x):
        return self.cv3(torch.cat((self.m(self.cv1(x)), self.cv2(x)), 1))

修改后的C3:

class C3(nn.Module):
    # CSP Bottleneck with 3 convolutions
    def __init__(self, c1, c2, n=1, shortcut=True, g=1, e=0.5):  # ch_in, ch_out, number, shortcut, groups, expansion
        super().__init__()
        c_ = int(c2 * e)  # hidden channels
        self.cv1 = Conv(c1, c_, 1, 1)
        self.cv2 = Conv(c1, c_, 1, 1)
        self.m = nn.Sequential(*(Bottleneck(c_, c_, shortcut, g, e=1.0) for _ in range(n)))

    def forward(self, x):
        # return self.cv3(torch.cat((self.m(self.cv1(x)), self.cv2(x)), 1))
        return torch.cat((self.m(self.cv1(x)), self.cv2(x)), 1)